Harness Engineer 完整学习路线：从基础到生产部署全栈指南

Harness 工程师学习路线图

│
├── 01 工程基础
│ ├── Python、TypeScript 与 API
│ ├── Git、Linux 与后端基础
│ └── 异步编程
│
├── 02 LLM 与 Agent 基础
│ ├── LLM、Token 与上下文窗口
│ ├── 工具调用与结构化输出
│ └── Agent 循环与推理
│
├── 03 上下文工程
│ ├── 上下文管理与压缩
│ ├── 记忆与检索系统
│ └── 子 Agent 上下文
│
├── 04 Agent 架构
│ ├── 多 Agent 系统
│ ├── 规划与编排
│ └── 并行与长时运行 Agent
│
├── 05 工具与执行
│ ├── MCP 与工具集成
│ ├── 浏览器与计算机操作
│ └── 沙箱代码执行
│
├── 06 Harness 架构
│ ├── Agent 运行时与控制循环
│ ├── 权限、重试与回退
│ └── 检查点与恢复
│
├── 07 可靠性与评估
│ ├── Agent 评估与基准测试
│ ├── 可观测性与调试
│ └── 测试与护栏
│
├── 08 安全
│ ├── 提示注入防护
│ ├── 访问控制与沙箱
│ └── 密钥与数据保护
│
├── 09 生产基础设施
│ ├── Docker 与 Kubernetes
│ ├── 部署与扩缩容
│ └── 监控与成本优化
│
└── 10 实战项目
├── 构建一个编程 Agent
├── 搭建一个记忆系统
├── 构建一个多 Agent 工作流
├── 开发一个自我纠错 Agent
└── 部署一个自主 Agent

Harness 工程师不只是使用 LLM 或编写提示词。他们构建围绕 AI 模型的整套基础设施，让 Agent 能够使用工具、管理上下文、记住之前的工作、从故障中恢复，并可靠地完成复杂任务。

模型提供智能。Harness 让这份智能真正可用。

设计。编排。评估。交付。